بهبود پیش بینی دبی جریان با استفاده از داده گواری در مدل مفهومی Hymod
پیش بینی دبی جریان توسط مدل های هیدرولوژی، همواره با عدم قطعیت همراه است. به همین دلیل از روش های مختلف از جمله افزایش کیفیت اطلاعات ورودی به مدل، بهبود ساختار مدل، و داده گواری اطلاعات مشاهداتی در دسترس برای کاهش عدم قطعیت مدل ها استفاده شده است. در صورت بدون اشکال فرض کردن ساختار مدل هیدرولوژی،نمی توان از عدم قطعیت ورودی، پارامتر، و شرایط اولیه مدل چشم پوشی کرد. یکی از روش های کاهش عدم قطعیت، داده گواری است که با درنظر گرفتن عدم قطعیت ورودی ها و مشاهدات، و به روزرسانی متغیر حالت، عدم قطعیت را کاهش می دهد. در این پژوهش بهبود پیش بینی دبی جریان برای یک روز آتی با مدل هیدرولوژی Hymod توسط فیلتر کالمن دسته ای (EnKF) که یکی از روش های داده گواری است در آبخیز رودک بررسی شده است. نتایج با استفاده از معیارهای نکویی برازش ناش ساتکلیف (NSE) ، کلینگ گوپتا (KG)، ناش ساتکلیف لگاریتمی (LNSE) و DCpeak بررسی شد. نتایج نشان دهنده افزایش معیارهای نکویی برازش NSE، KG ، DCpeak و LNSE مدل هیدرولوژی Hymod توسط الگوریتم EnKF نسبت به الگوریتم بهینه سازی تکامل مجتمع های مخلوط شده به ترتیب به مقدار 13% ، 5% ، 17% و 94% بوده است. به این ترتیب امکان پیش بینی دبی جریان یک روز آتی با دقت قابل قبولی فراهم شد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.